3 MATERIALE OG METODE
3.1 S TUDIEPOPULASJON OG SYKEHUS
3.1.4 Nordlandssykehuset: Bodø
ONFC
DwApós várias análises do controlador ONFCDw utilizando o aplicativo Simulink do
programa computacional Matlab, foi utilizado um simulador dinâmico comercial denominado INDISS.
O INDISS é um simulador industrial de processo capaz de efetuar simulações variadas, através de representações fenomenológicas dos principais equipamentos disponíveis nas refinarias. Com modelos de trocadores de calor, colunas de destilação, bombas, vasos, etc, é possível desenvolver simulações capazes de representar processos complexos e utilizá-las para diversas aplicações, entre elas, a avaliação de sistemas de controle.
O uso de simuladores com características similares ao processo no qual se propõe a implementação de um novo algoritmo de controle é uma estratégia que permite avaliar de maneira mais ampla as consequências da implementação proposta. Este tipo de estratégia é importante inclusive para verificação de consistência do algoritmo proposto. Por se apresentar como um processo virtual, é possível verificar a consistência das ações lógicas de segurança,
0 2 4 6 8 10 12 14 x 104 42 44 46 48 50 52 54 56 58 60 1.08 1.085 1.09 1.095 1.1 1.105 1.11 1.115 1.12 1.125 1.13 x 105 46 48 50 52 54 56 58 A B
saturação de válvulas, modo de chaveamento para operação manual, etc. Estes cuidados são muito importantes para quem deseja implementar uma solução em um processo real.
Esta etapa busca mais do que apenas a avaliação do desempenho do controlador. Com o emprego do simulador dinâmico fenomenológico é possível simular a operação de um processo real por um período longo, submetendo o sistema a condições de acoplamento com outras malhas, variações de processos, mudança de especificações, verificar a confiabilidade do algoritmo e sua capacidade de se manter estável. Permite identificar comportamentos indesejáveis e corrigi-los antes de submeter a planta industrial ao sistema de controle proposto.
Vale ressaltar que a implementação de um algoritmo novo em um processo real, seja ele qual for, está sempre associada a riscos, seja em relação à nova estratégia de atuação, seja em relação a possíveis falhas na implementação do algoritmo ou mesmo falhas durante a execução da instalação e carregamento da programação lógica. Deve-se buscar minimizar a probabilidade de falhas, uma vez que este tipo de erro pode representar um custo elevado e até mesmo um risco à segurança. Destaca-se também que, uma vez observada uma falha no algoritmo em um processo real, mesmo que diagnosticada e tratada, possivelmente a aceitação e a disposição de se testar o algoritmo uma segunda vez será muito prejudicada, podendo inclusive inviabilizar o processo em alguns casos.
Neste cenário utilizou-se uma simulação desenvolvida para um processo real de destilação para servir de plataforma para a implementação do algoritmo proposto. Nesta implementação, tomou-se o cuidado de se inserir o mesmo algoritmo a ser implementado no SDCD (Sistema Digital de Controle Distribuído) da planta, com exceção apenas de possíveis referências de variáveis associadas a cada software. A implementação foi testada em um sistema de controle de temperatura de topo de uma coluna debutanizadora. Na Figura 4.5 pode-se ver a implementação desenvolvida.
Figura 4.5: Simulação de destilação para avaliação do controlador ONFCDw.
A implementação foi feita de forma que o controle de temperatura pudesse ser
realizado tanto com o ONFCDw quanto com a estrutura anterior (controlador PID). Foi
implementada uma chave de seleção para simular esta estrutura conforme planejado para a
implementação real. Testa-se a implementação proposta tanto para o ONFCDw quanto para o
sistema de chaveamento.
Para avaliação do desempenho foram realizados os seguintes testes:
Variação do valor de referência no topo e no fundo de três graus.
Variação de pressão no controlador de pressão do topo de 6,8 para 7,4 kg/cm2 .
Variação da vazão da carga de 1400 para 900m3 /dia.
Variação da temperatura do fluido quente do refervedor de fundo de 533 para 500K. Variação da composição de carga através de um aumento da proporção de propano e
Após o ajuste dos controladores foi feito o chaveamento para a ativação do ONFCDw. Nesse momento os pesos do controlador são inicializados com o valor da ação de controle do PID. Isso é feito para não gerar uma descontinuidade na ação de controle.
Para o modelo de atuação simples serão mostradas as variáveis manipuladas
relacionadas ao PID e ao ONFCDw no início do treinamento e após um tempo maior de
controle do processo.
Resultados
Os testes de desempenho são apresentados a seguir. A curva pontilhada (Nfini) representa o resultado do controlador logo após o chaveamento, antes de passar por qualquer processo de aprendizagem. As curvas verdes e azuis representam o resultado obtido pelo
controlador ONFCDw treinado e o PID respectivamente. Ressalta-se que a avaliação visa não
só a comparação direta dos resultados em relação ao PID, mas principalmente a verificação do comportamento do controlador frente a perturbações comuns a unidades de destilação, permitindo maior segurança na implementação industrial.
Da Figura 4.6 à Figura 4.11 é mostrado o comportamento do ONFCDw quando
submetido a diversas perturbações. Verifica-se que em nenhum momento o sistema de controle apresentou comportamento estranho ou que pudesse por em risco o processo. Observa-se também que seu desempenho foi equivalente e, às vezes, superior ao do PID. No entanto, apesar do bom desempenho nos testes realizados, essa não é a sua maior vantagem. As características mais interessantes desse controlador são a capacidade de adaptação e a aprendizagem. Esta característica pode ser evidenciada observando os resultados obtidos logo após a inicialização e após expor o controlador ao processo por algum tempo. Isso o torna menos sensível a mudanças do processo.
Figura 4.6: Variação de Set-Point no topo de três graus.
Figura 4.7: Variação de Set-Point no fundo da torre.
Figura 4.8: Variação de pressão no controlador de pressão do topo de 6,8 para 7,4 kg/cm2.
0 100 200 300 400 500 600 700 800 900 1000 64.5 65 65.5 66 66.5 67 67.5 68 SP PV NFIni PV NF PV PID 0 100 200 300 400 500 600 700 800 900 1000 10 11 12 13 14 15 MV NF W1 W2 MV PID 0 100 200 300 400 500 600 138.5 139 139.5 140 140.5 141 SP PV NFIni PV NF PV PID 0 100 200 300 400 500 600 0 1 2 3 4 5 6 7 8 MV NF W1 W2 MV PID 0 200 400 600 800 1000 1200 1400 1600 60 61 62 63 64 65 66 SP PV NFIni PV NF PV PID 0 200 400 600 800 1000 1200 1400 1600 6 8 10 12 14 16 18 MV NF W1 W2 MV PID
Variação do sinal de referência e valor de processo
Variação do sinal de referência e valor de processo
Variação do sinal de referência e valor de processo Variação da ação de controle e pesos
Variação da ação de controle e pesos
Variação da ação de controle e pesos tempo (s) tempo(s) tempo(s) tempo (s) tempo (s) tempo (s) Temp.(ºC) Abert. (%) Temp.(ºC) Abert. (%) Abert. (%) Temp.(ºC)
Figura 4.9: Variação da vazão da carga de 1400 para 900m3/dia.
Figura 4.10: Variação da temperatura do fluido quente do refervedor de fundo de 533 para 500K.
Figura 4.11: Variação da composição de carga através de um aumento da proporção de propano e butano para 10% do volume total.
Outro ponto importante é a capacidade do algoritmo permanecer estável durante um longo período de execução. Simulações de desempenho podem esconder pequenos problemas
0 200 400 600 800 1000 1200 64.4 64.6 64.8 65 65.2 65.4 65.6 65.8 SP PV NFIni PV NF PV PID 0 200 400 600 800 1000 1200 10 11 12 13 14 15 16 17 MV NF W1 W2 MV PID 0 20 40 60 80 100 120 140 160 180 200 64.9 64.95 65 65.05 SP PV NFIni PV NF PV PID 0 20 40 60 80 100 120 140 160 180 200 10 11 12 13 14 15 16 MV NF W1 W2 MV PID 0 500 1000 1500 64 65 66 67 68 69 70 71 SP PV NFIni PV NF PV PID 0 500 1000 1500 10 12 14 16 18 20 22 MV NF W1 W2 MV PID
Variação do sinal de referência e valor de processo Variação do sinal de referência e valor de processo Variação do sinal de referência e valor de processo
Variação da ação de controle e pesos Variação da ação de controle e pesos Variação da ação de controle e pesos
tempo(s) tempo(s) tempo(s) tempo(s) tempo(s) tempo(s) Abert. (%) Temp.(ºC) Abert. (%) Temp.(ºC) Abert. (%) Temp.(ºC)
crônicos que, de maneira lenta, levam a uma deteriorização do controle após um período longo de tempo. Um exemplo típico deste problema é a questão do aumento de pesos na implementação inicialmente proposta para o ONFC. Em função disto, um dos testes realizados foi a simulação de operação com o controlador em modo acelerado por um longo período de tempo. A simulação permaneceu estável durante toda a execução dos testes. O simulador dinâmico permaneceu ativo por um período equivalente a seis meses de operação.
O processo proposto para implementação real não possui simulação dinâmica e, em função disto, não foi possível testar a implementação no sistema proposto. No entanto, os testes realizados indicam que o sistema de controle tende a ter um comportamento adequado quando instalado em um sistema real.